SuperSkillsStack: Agency, Domain Knowledge, Imagination, and Taste in Human-AI Design Education

Die Studie zeigt, dass generative KI im Designunterricht vor allem als kognitiver Beschleuniger in frühen Phasen dient, während menschliche Kompetenzen wie Urteilsvermögen, Domänenwissen und Geschmack entscheidend bleiben, um KI-Ergebnisse zu validieren und zu verfeinern.

Das Wesentliche

Titel: Der menschliche Dirigent und der KI-Orchester-Geiger

Stellen Sie sich vor, Design ist wie das Komponieren und Aufführen eines großen Musikstücks. Früher musste jeder Musiker (der Designer) jedes Instrument selbst spielen, jede Note selbst finden und jeden Takt selbst zählen. Heute haben wir einen neuen, unglaublich schnellen und talentierten Geiger namens KI (Künstliche Intelligenz) im Orchester.

Aber hier ist die große Frage: Wenn dieser Geiger so schnell spielen kann, brauchen wir dann noch einen menschlichen Dirigenten?

Die Forscher Qian Huang und King Wang Poon aus Singapur haben genau das untersucht. Sie haben 80 Studententeams beobachtet, die mit der KI gearbeitet haben. Ihr Ergebnis ist überraschend klar: Die KI ist ein fantastischer Assistent, aber sie kann den Dirigenten nicht ersetzen.

Um zu verstehen, wie die Studenten mit der KI umgegangen sind, haben die Forscher ein Modell namens „SuperSkillsStack" entwickelt. Man kann sich das wie ein Vier-Räder-Fahrrad vorstellen. Wenn eines der Räder fehlt, fällt das Fahrrad um. Hier sind die vier Räder, die ein Designer braucht, um mit der KI erfolgreich zu fahren:

1. Agency (Die Steuerung) – „Wer hält das Lenkrad?"

Stellen Sie sich die KI wie einen sehr schnellen, aber manchmal etwas wilden Rennwagen vor. Agency bedeutet, dass der Mensch am Steuer sitzt.

• Was die Studenten taten: Sie haben nicht blindlings alles gemacht, was der Computer sagte. Sie haben bewusst entschieden: „Jetzt nutzen wir die KI, um Ideen zu sammeln, aber jetzt, beim Interview mit den Leuten, machen wir das selbst."
• Die Analogie: Ein Koch nutzt einen Mixer, um Gemüse zu schneiden, aber er entscheidet selbst, wann er den Mixer einschaltet und wann er das Messer nimmt. Die Studenten haben die KI nicht als Chef, sondern als Werkzeug gesehen.

2. Domain Knowledge (Das Fachwissen) – „Der lokale Wanderführer"

Die KI ist wie ein Bibliothekar, der alle Bücher der Welt gelesen hat, aber niemals den Ort selbst besucht hat, über den er schreibt. Sie kennt die Fakten, aber nicht das Gefühl.

• Was die Studenten taten: Wenn die KI eine Karte eines Parks zeichnete, sah sie vielleicht gut aus, aber sie wusste nicht, dass dort im Sommer immer eine Pfütze steht oder dass die Bänke kaputt sind. Die Studenten sind hingegangen, haben die Pfütze gesehen und sagten: „Nein, die KI hat sich geirrt."
• Die Analogie: Die KI ist ein Reiseführer, der aus einem Buch gelernt hat. Der Designer ist der Wanderer, der den Weg tatsächlich zu Fuß geht. Nur der Wanderer weiß, wo der Boden matschig ist.

3. Imagination (Die Fantasie) – „Der Funke, der das Feuer entfacht"

Stellen Sie sich die KI als einen riesigen Koffer voller bunter Steine vor. Sie kann tausende Steine in Sekunden herauswerfen. Aber sie weiß nicht, welches Bild man daraus bauen soll.

• Was die Studenten taten: Die KI half ihnen, schnell viele verrückte Ideen zu finden (z. B. „Was wäre, wenn die Bank schwebt?"). Das half, den kreativen Block zu überwinden. Aber die Studenten mussten dann entscheiden, welche Idee wirklich cool ist und welche nur albern klingt.
• Die Analogie: Die KI ist wie ein Blitz, der den Wald erhellt und viele Wege zeigt. Der Designer muss dann entscheiden, welchen Weg er tatsächlich gehen will.

4. Taste (Der Geschmack) – „Der Kunstkritiker"

Das ist vielleicht das Wichtigste Rad. Taste ist die Fähigkeit zu sagen: „Das sieht gut aus, aber es passt nicht hierher" oder „Das ist langweilig, wir brauchen etwas Besseres."

• Was die Studenten taten: Die KI kann tausende Texte oder Bilder produzieren, die alle „richtig" klingen. Aber die Studenten mussten sie durchsuchen, die schlechten wegwerfen und die guten so lange bearbeiten, bis sie wirklich menschlich und passend wirkten.
• Die Analogie: Die KI ist wie ein Supermarkt, der tausende Gläser Marmelade verkauft. Der Designer ist der Feinschmecker, der probiert und sagt: „Diese hier schmeckt zu süß, diese hier passt perfekt zu unserem Brot."

Das große Fazit: Der menschliche Dirigent bleibt

Die Studie zeigt uns etwas sehr Trostreiches: Die KI macht uns nicht dumm oder überflüssig.

Im Gegenteil: Sie übernimmt die langweilige, schnelle Arbeit (wie das schnelle Sammeln von Ideen oder das Zusammenfassen von Texten). Das gibt den Menschen mehr Zeit für das, was sie am besten können: Denken, Fühlen, Beobachten und Beurteilen.

• Die KI ist der Turbo.
• Der Mensch ist der Steuernde, der weiß, wohin es geht.

Für die Zukunft des Lernens bedeutet das: Wir müssen nicht nur lernen, wie man mit der KI spricht (Prompting), sondern wir müssen unsere menschlichen Fähigkeiten noch stärker trainieren. Wir müssen lernen, die KI zu führen, ihre Fehler zu erkennen und ihren Output mit gutem Geschmack zu veredeln.

Kurz gesagt: Die KI ist ein fantastischer Co-Pilot, aber der Mensch muss weiterhin das Flugzeug steuern, sonst landen wir alle in der falschen Stadt.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des Papers „SuperSkillsStack: Agency, Domain Knowledge, Imagination, and Taste in Human-AI Design Education" auf Deutsch:

1. Problemstellung

Die rasante Entwicklung generativer Künstlicher Intelligenz (KI) transformiert kreative Praktiken und die Designausbildung grundlegend. Während KI-Systeme (z. B. Large Language Models und Bildgeneratoren) beispiellose Effizienz bei der Ideenfindung, Synthese von Forschungserkenntnissen und Erstellung visueller Artefakte bieten, wirft dies kritische Fragen zur Zukunft menschlicher Expertise auf.
Das zentrale Problem besteht darin, zu verstehen, wie Designausbildung KI-Tools integrieren kann, ohne die einzigartig menschlichen Fähigkeiten zu vernachlässigen, die für sinnvolles Design notwendig sind (z. B. Empathie, kontextuelles Verständnis, kritisches Urteil). Es fehlt an empirischen Studien darüber, wie Studierende KI tatsächlich in ihre Designprozesse integrieren und wie sie generierte Einsichten mit menschlicher Beobachtung und Bewertung abwägen.

2. Methodik

Die Studie verwendet eine qualitative thematische Analyse von Reflexionstexten, die von Studierenden am Ende eines menschenzentrierten Designkurses verfasst wurden.

• Datensatz: 80 Studententeams, die an einem Design-Thinking-Projekt in realen Umgebungen (z. B. öffentlicher Nahverkehr, Gesundheitswesen, urbane Räume) teilnahmen.
• Kontext: Die Teams durften frei entscheiden, ob und wie sie generative KI-Tools (wie ChatGPT, Gemini, Perplexity, Claude, Bildgeneratoren) in ihren Workflow einbinden.
• Analyserahmen: Die Daten wurden durch die Linse des SuperSkillsStack-Frameworks analysiert, das vier menschliche Kompetenzen für eine effektive Mensch-KI-Kollaboration definiert:
  1. Agency (Handlungsmacht): Kontrolle über den Einsatz der KI.
  2. Domain Knowledge (Fachwissen): Kontextuelles Verständnis zur Validierung von KI-Ausgaben.
  3. Imagination (Vorstellungskraft): Fähigkeit zur Generierung und Erweiterung von Ideen.
  4. Taste (Geschmack/Urteilsvermögen): Ästhetische und praktische Bewertung von Ideen.
• Vorgehen: Deduktives und induktives Coding der Reflexionen, gefolgt von einer Musteranalyse, um den Mensch-KI-Design-Workflow zu identifizieren.

3. Schlüsselergebnisse

Die Analyse ergab konsistente Muster in der Interaktion zwischen Studierenden und KI, die sich entlang der vier Kompetenzen des SuperSkillsStack-Frameworks gliedern:

• Agency (Steuerung des KI-Einsatzes):
  Studierende zeigten eine starke Handlungsmacht, indem sie KI nicht passiv akzeptierten, sondern strategisch einsetzten. Sie entschieden bewusst, in welchen Phasen KI nützlich war (z. B. Brainstorming) und in welchen sie sie ausschlossen (z. B. Feldbeobachtungen, Interviews), da KI keine nonverbale Kommunikation oder physische Umgebungserfahrung ersetzen kann. Teams testeten verschiedene Tools und passten Prompts iterativ an.

• Domain Knowledge (Kontextuelle Validierung):
  Fachwissen, erworben durch Feldarbeit (Beobachtungen, Interviews), fungierte als kritischer Filter. Studierende nutzten ihr kontextuelles Verständnis, um Ungenauigkeiten, Halluzinationen oder zu allgemeine Aussagen der KI zu erkennen und zu korrigieren. KI-Ausgaben wurden oft als „plausibel, aber ungenau" für spezifische Standorte befunden.

• Imagination (Ideenkatalysator):
  KI wurde primär in der divergenten Phase des Designprozesses genutzt, um kreative Blockaden zu überwinden und die Ideenpalette zu erweitern. Sie diente als Katalysator für das Brainstorming und half bei der Formulierung von Problemstellungen. Die Studierenden betonten jedoch, dass KI-Ideen nur als Ausgangspunkte dienten, die menschliche Weiterentwicklung erforderten.

• Taste (Bewertung und Selektion):
  „Geschmack" (die Fähigkeit zur ästhetischen und praktischen Bewertung) war die dominierende Kompetenz in den späteren Phasen. Studierende bewerteten KI-generierte Vorschläge kritisch auf Relevanz, Machbarkeit und Kontextangemessenheit. Viele Teams erstellten Checklisten, um KI-Inhalte zu filtern, umzuschreiben oder visuell zu verfeinern, bevor sie sie akzeptierten.

• Gesamtworkflow:
  Es kristallisierte sich ein Muster heraus: KI beschleunigt die frühen Phasen (Ideenfindung, Synthese), während menschliches Urteil (basierend auf Domain Knowledge und Taste) die Interpretation, Validierung und Verfeinerung übernimmt.

4. Hauptbeiträge

• Empirische Evidenz: Die Studie liefert konkrete Belege dafür, wie Studierende KI in realen Designprojekten nutzen, und widerlegt die Annahme einer reinen Ersetzung menschlicher Kreativität.
• Anwendung des SuperSkillsStack-Frameworks: Die Arbeit operationalisiert das theoretische Framework in der Praxis und zeigt, wie die vier Kompetenzen (Agency, Domain Knowledge, Imagination, Taste) zusammenwirken, um eine effektive Mensch-KI-Kollaboration zu ermöglichen.
• Neudefinition der Rolle der KI: KI wird als „kognitiver Beschleuniger" (Cognitive Accelerator) identifiziert, der den Suchraum für Ideen erweitert, aber nicht die Verantwortung für kontextuelle Interpretation und ethische/ästhetische Entscheidungen übernimmt.
• Unterscheidung von Werkzeug und Teammitglied: Die Studie zeigt, dass Studierende KI erfolgreich als Werkzeug oder Teammitglied orchestrieren, anstatt sich darauf zu verlassen, dass die KI autonome Entscheidungen trifft.

5. Signifikanz und Implikationen für die Designausbildung

Die Ergebnisse haben weitreichende Konsequenzen für die Gestaltung von Designcurricula im Zeitalter der KI:

1. Fokus auf höhere kognitive Fähigkeiten: Die Ausbildung sollte sich weniger auf technische Bedienung von KI-Tools konzentrieren, sondern auf die Stärkung von Agency, kritischem Urteil (Taste) und kontextuellem Verständnis (Domain Knowledge).
2. Bedeutung der Feldarbeit: Physische Präsenz, Empathie und direkte Beobachtung bleiben unverzichtbar, um KI-Ausgaben zu validieren und Lücken im kontextuellen Verständnis zu schließen.
3. KI als Partner, nicht als Ersatz: KI sollte als kollaborativer Partner eingeführt werden, der die Exploration beschleunigt, während die Verantwortung für die Interpretation und das endgültige Design beim Menschen bleibt.
4. Strategische KI-Literacy: Studierende müssen lernen, wann KI nützlich ist, wann sie irreführend ist, und wie sie KI-Ergebnisse mit menschlicher Einsicht kombinieren.

Fazit: Generative KI verändert den Designprozess, indem sie explorative Phasen beschleunigt, aber die menschlichen Kernkompetenzen – insbesondere kontextuelles Verständnis, Empathie und kritisches Urteilsvermögen – gewinnen an Bedeutung. Die Zukunft der Designausbildung liegt in der Kultivierung dieser menschlichen Fähigkeiten, um eine sinnvolle und verantwortungsvolle Mensch-KI-Kollaboration zu gewährleisten.